Diffractogram metrics for machine learning
En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de...
- Autores:
-
López Cuellar, Nicolás Orlando
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/44980
- Acceso en línea:
- http://hdl.handle.net/1992/44980
- Palabra clave:
- Cristalografía
Aprendizaje automático (Inteligencia artificial)
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
Summary: | En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de la información de sus picos de intensidad. Luego se genera una pseudo-métrica que permite generar índices de similaridad entre una muestra y un material; y a partir de estos índices de similaridad, se genera un nuevo espacio métrico en el cual se pueden separar totalmente las clases manejadas en la base de datos usada, con algoritmos estándar de Machine Learning. |
---|